Questão de Banco de Dados — Banco de Dados — FGV 2024
Banco de Dados›Banco de Dados
Código
fg077297
Banca
FGV
Órgão
CVM
Ano
2024
Nível
Superior
Cargo
Analista - Perfil 7 - Ciência de Dados - Tarde
Ao receber um conjunto de dados para elaborar um modelo preditivo, uma equipe de analistas de dados percebeu que havia uma quantidade significativa de dados faltantes em certos atributos. Foi então debatido o uso de duas técnicas para lidar com esse problema: (1) remoção de observações contendo dados ausentes e (2) “inputação” multivariável, sendo que apenas uma das duas seria aplicada.Duas características do conjunto de dados que devem ser prioritariamente consideradas na escolha entre as duas técnicas são:
Ao intervalo dos atributos com dados faltantes e a fração de dados faltantes;
Bo número de observações e a fração de dados faltantes;
Ca fração de atributos com dados faltantes e o intervalo dos atributos com dados faltantes ;
Duma medida de dependência estatística entre os atributos e a fração de atributos com dados faltantes;
Eo número de observações e uma medida de dependência estatística entre os atributos.
Revelar gabarito e comentário▾
GabaritoE — o número de observações e uma medida de dependência estatística entre os atributos.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Tratamento de dados faltantes em modelos preditivos
Gabarito: letra E. A escolha entre remoção de observações com dados ausentes e inputação multivariável depende prioritariamente do tamanho da amostra (número de observações) e da estrutura de dependência estatística entre os atributos. A remoção reduz o tamanho amostral, sendo mais problemática quando o conjunto já é pequeno; já a inputação multivariável se beneficia de correlações fortes entre as variáveis, permitindo estimativas mais precisas. As demais alternativas omitem um desses dois fatores decisivos ou incluem características de menor relevância, como o intervalo dos atributos.
A questão testa a compreensão prática dos trade-offs entre as duas técnicas. A fração de dados faltantes é relevante, mas não é o único fator; o intervalo (amplitude) dos atributos raramente influencia a escolha. A seguir, a análise de cada alternativa.
Característica
Relevância para remoção de observações
Relevância para inputação multivariável
Prioridade na escolha
Número de observações
Essencial: remoção reduz amostra, problemática se conjunto pequeno
Não impacta diretamente
Alta
Medida de dependência estatística entre atributos
Não impacta diretamente
Essencial: inputação se beneficia de correlações fortes
Alta
Fração de dados faltantes
Relevante, mas não prioritária
Relevante, mas não prioritária
Média
Fração de atributos com dados faltantes
Relevância secundária
Relevância secundária
Baixa
Intervalo dos atributos
Irrelevante
Irrelevante
Nula
Alternativa A — ❌ Incorreta
Apresenta o intervalo dos atributos com dados faltantes e a fração de dados faltantes. O intervalo (diferença entre máximo e mínimo) não é um critério prioritário — a amplitude dos valores não determina se a remoção ou a inputação é mais adequada. A fração de dados faltantes é importante, mas sozinha não basta; a dependência entre atributos e o tamanho da amostra são mais informativos.
Alternativa B — ❌ Incorreta
Menciona o número de observações e a fração de dados faltantes. Embora o número de observações seja essencial, a fração de dados faltantes não captura a estrutura de correlação entre as variáveis. Sem considerar a dependência entre atributos, não é possível avaliar se a inputação multivariável será eficaz; a remoção pode ser preferível mesmo com alta fração de faltantes se as variáveis forem independentes.
Alternativa C — ❌ Incorreta
Cita a fração de atributos com dados faltantes e o intervalo dos atributos. A fração de atributos com dados faltantes é menos relevante do que a fração de observações com dados ausentes, e o intervalo novamente não é um fator determinante. A escolha entre as duas técnicas depende mais do número de observações e da dependência entre os atributos.
Alternativa D — ❌ Incorreta
Inclui uma medida de dependência estatística e a fração de atributos com dados faltantes. A dependência é um fator-chave, mas a fração de atributos com dados faltantes é um critério secundário. A fração de observações com dados ausentes e o tamanho da amostra são mais diretamente ligados ao impacto da remoção. A alternativa D desconsidera o número de observações, que é fundamental.
Alternativa E — ✅ Correta ⟵ GABARITO
Apresenta o número de observações e uma medida de dependência estatística entre os atributos. Esses são os dois fatores prioritários: (1) o número de observações determina o quanto a remoção reduzirá o tamanho amostral, podendo comprometer a capacidade preditiva; (2) a dependência entre atributos (correlação, covariância) indica se a inputação multivariável pode estimar valores faltantes com razoável precisão. Quanto maior a correlação, melhor a inputação; se as variáveis são independentes, a inputação univariada (como a média) seria tão boa quanto, mas a multivariada pode até introduzir viés.
PEGA ESSA DICA!
Na prova, lembre-se de que a remoção de observações é mais penalizadora em amostras pequenas, e a inputação multivariável só é vantajosa quando há dependência entre os atributos. A fração de dados faltantes é importante, mas deve vir acompanhada da correlação e do tamanho amostral.